研究估算GPT-5.5参数达9.7万亿，显著领先Grok-4

新研究尝试反推闭源大模型规模

一项由 Pine AI 首席科学家 Li Bojie 开展的最新研究，对多款闭源大型语言模型的参数规模进行了估算。该研究发表于题为《Incompressible Knowledge Probes》的论文中，核心思路并非依赖厂商披露，而是通过模型在特定知识测试中的表现，反向推测其参数数量。

研究使用了1400道冷门事实问题作为探针，以衡量不同模型对罕见知识的掌握程度。随后，研究团队将这些闭源模型的表现，映射到一条由89个已知参数规模的开源模型构建出的性能曲线上，从而得到对闭源模型参数量的估计值。研究指出，虽然这一方法仍可能存在一定波动，但足以提供具有参考意义的结果。

GPT-5.5被估算为9.7万亿参数

在此次估算中，GPT-5.5约为9.7万亿参数，位居各模型之首，显著高于其他被纳入比较的系统。排在其后的包括Claude Opus 4.6，约为5.3万亿参数。此外，Grok-4约为3.2万亿参数，而 GPT-5 与 Claude Opus 4.7 也被认为处于相近梯队。

从结果来看，新一代模型的参数规模仍在持续扩大，其中 GPT-5.5 被视为一次较为明显的能力跃升。研究认为，这种参数增长趋势反映出前沿模型在知识容量和综合能力上的竞争正在加速。

结果强调“估算”性质

需要注意的是，这项研究提供的是基于方法论推导出的估算值，而非企业官方确认数据。由于闭源模型的训练架构、稀疏激活方式以及部署策略并未完全公开，外界对参数规模的判断通常只能依赖间接测量。不过，这项研究仍为观察主流AI模型的演进速度，提供了一个具有讨论价值的新视角。